توزیع مکانی خشکیدگی درختان بلوط ایرانی با استفاده از تلفیق تکنیک های زمین آماری و سنجش از دور (مطالعه موردی: دشت برم، استان فارس)
محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداریراضیه باقری 1 , یوسف عرفانی فرد 2
1 - دانشجوی کارشناسی ارشد مدیریت مناطق بیابانی، دانشکده کشاورزی، دانشگاه شیراز، ایران
2 - دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران
کلید واژه: تصویر ماهوارهای RapidEye, تغییرات مکانی, بلوط ایرانی, زمین آمار, نقشه خشکیدگی,
چکیده مقاله :
جنگل های زاگرس از جمله مناطق مهم و با ارزش منابع طبیعی ایران هستند که با توجه به خشکیدگی های درختان در سال های اخیر بررسی، مدیریت و احیای این درختان دارای اهمیت است. هدف از تحقیق، تهیه نقشه پراکنش مکانی خشکیدگی درختان بلوط ایرانی (Quercus brantii Lindl)، تجزیه وتحلیل، تشریح پراکنش مکانی با استفاده از تلفیق تکنیک زمین آمار و سنجش از دور در دشتبرم استان فارس است. ابتدا تصویر ماهواره ای RapidEye با طبقه بندی نظارن شده به روش حداکثر احتمال به دوطبقه درختان سالم و خشکیده طبقه بندی شد. صحت کلی و ضریب کاپا به ترتیب 80 و 73 درصد به دست آمد. درصد خشکیدگی در قطعه نمونه هایی دایره ای شکل به مساحت 2000 مترمربع (با شعاع 25.24 متر) بر اساس شبکه ای به ابعاد 300 × 300 متر با روش منظم –تصادفی جمع آوری شد. پس از تهیه نقشه نقطه ای درصد خشکیدگی تصویر طبقهبندیشده از روش های درون یابی کریجینگ ساده، معمولی، و عام تعیین شد که با استفاده از سه مدل نمائی، کروی و گوسی ارزیابی شدند. پس از ارزیابی داده ها با استفاده از نتایج ارزیابی متقابل، دقیقترین برازش را روش کریجینگ ساده با مدل نمایی نشان داد (میانگین خطای برآورد 0.023). نقشه خشکیدگی در طبقه های صفر تا 10، 10-20، 20-30، 30-40 و > 40، درصد ترسیم شد. بیشترین سطح خشکیدگی به طبقه 20% تا 30% با 493.9 هکتار، (36.37%) و کمترین به طبقه صفرتا 10% با 70.46 هکتار (5.20%) تعلق داشت. نتایج نشان داد با استفاده از زمین آمار و سنجش از دور می توان پراکنش مکانی خشکیدگی بلوط ایرانی در منطقه موردمطالعه را در قالب نقشه ارائه داد و کانون خشکیدگی را شناسایی کرد.
Zagros arid woodlands are among the most important and valuable areas of Iran΄s natural resources that due to the dieback of trees in recent years, it seems necessary to manage and rehabilitate this vegetation. This research was aimed to study the spatial distribution map dieback of Persian oak trees (Quercus brantii Lindl), analyze and describe the spatial distribution using a combination of geostatistical techniques and remote sensing in Barm plain, Fars province. First, the RapidEye satellite image was classified into two categories of healthy and dried trees with the supervised classified algorithm including maximum likelihood. The overall accuracy and Kappa coefficients were 80% and 73%, respectively. The data were then collected in circular sample plots of 2000 m2 (with a radius of 25.24 m) based on a 300×300 meter network in a randomized manner. After preparing the point map, the percentage of drying of the classified image was determined by simple, ordinary, and universal Kriging interpolation method, which were evaluated using three models: Exponential, spherical, Gaussian. After evaluating the data using the cross-evaluation results, the most accurate fitting was shown by the simple Kriging method with the exponential model (mean estimation error of 0.023). Dieback map was obtained with classes of zero to 10, 10-20, 20-30, 30-40 and more than 40%. The largest area was related to class 20% to 30% with 493.9 ha and the smallest area was for zero to 10%, with 70.46 ha. The present study showed that it is possible to obtain maps of the spatial distribution of Persian oak dieback and recognize the focal points using geostatistical techniques and remote sensing.
_||_